科技周期、流量与人工智能 张小珺x郑庆生

摘要

• 郑庆生把二十年中国科技周期归结为“流量方式”的连续重构，AI正在争夺新一代分配入口。 2005年前门户完成第一次线上化，2005—2010年腾讯、百度、盛大等占据PC流量高地，2010年后移动入口洗牌，2015年起短视频爆发，到2018年前后新流量基本瓜分完毕；ChatGPT则重新打开To C窗口。在他的类比中，优秀互联网产品都是“巨大的城镇”，流量汇聚后才会产生新的商业形态。

• 内容平台的终局并非视频替代另一种媒体，而是短视频直接“挑战文字本身”，AI则进一步把效率产品从流程推向结果。 文字需要长期学习，图片更直观，短视频近似把人拉到现场看一眼，因此它成为基础认知方式；只要信息密度足够，不读书本身并不可耻。AI沿着同一方向前进：“工具产品是结果，娱乐产品是过程”，凡是效率场景，用户希望越少参与过程越好。

• AI网络同时带来三项结构性差异：边际成本不再趋近于零、产品直接对结果负责、底层原理仍存在黑箱。 每新增一个用户都会产生token成本，订阅、定价和人群选择因而成为真实的单位经济问题；AI方案还可能越过结构化流程，从原始信息直接交付结果。更不确定的是涌现与prompt中的“玄学”——技术和产品第一次同步演进，模型进步既能创造应用，也可能改变既有产品优势。

• 软硬一体的核心机会不是再造一块屏幕，而是完成AI驱动的“深层次数字化”，把过去会随风飘散的信息变成可加工资产。 一百小时录音、一个月几万张自动照片，以前即使采集下来也无法整理；AI使专用录音、影像和持续感知设备可能成为新的数据与流量节点。专用硬件胜过手机的关键是“一直在场”，但壁垒能否由数据、习惯和玩法形成，以及公共场所录制的隐私边界，都仍待法律和社会规范回答。

• 大模型如果胜出，可能成为入口，但应用公司的护城河、显性双边网络效应和AI社交形态仍没有答案。 模型可能拥有隐含飞轮——数据和交互越多，反馈给新用户的质量或许越好；但多数用户仍是“多对一”地与模型交谈，一旦竞争模型质量反超，缺少网络关系的产品会很脆弱。OpenAI已经沉淀使用习惯和数据、具有浓厚的产品公司特点，最终价值边界取决于技术提升会多大程度抵消非技术的产品优势。

• 郑庆生将当前阶段定义为应用“爆发的前端”，认为泡沫正常且目前可以接受，但最终必须以交付检验。 与前几轮先把规模烧大、收入较少相比，这一轮从早期就能击中痛点、收费并产生较好现金流；严格说，模型快速变化仍可能让既有PMF失效，巨额基础设施成本与收入也尚不匹配。他把2025年类比移动互联网的2010年、2026年类比2011年，判断应用会进一步繁荣。

• 这一轮最重要的地域性投资判断是“华人大航海时代的开始”：AI产品天然适合全球部署，中国与海外华人团队可以从第一天服务世界市场。 红杉中国并未把大模型当作资金覆盖型赛道，而是逐案进入Kimi、MiniMax、智谱、Manus等项目；MiniMax在ChatGPT爆发前已进入视野，Manus则从Monica时期的团队与产品能力开始跟踪。红杉自2018年成立种子基金后进一步前移，目前作为第一家机构投资人的项目占比已超过一半。

• 真正最大的未知不是AI产品还会增加什么功能，而是使用AI之后的人类会变成什么样。 如果未来用户不再在意聊天对象是否有自主意识或“灵魂”，社交、亲密关系、教育和消费的默认前提都会变化；教育或许会更重视全局视野、目录学、逻辑与准确表达，因为学习也包括学习如何提问。对投资者而言，相应的认识论护栏是还原决策当时的全部候选项，而非接受幸存者事后书写的信仰故事。

精读

1. 一九八四年的BASIC埋下产品直觉，职业选择却仍服从九十年代的就业秩序

• 郑庆生说自己的经历有点像“一切都有点冥冥中注定”：父亲是程序员，他在1984年、小学刚开始不久，就在一台夏普小电脑上照书学习BASIC，抄过跳青蛙游戏，也写过靠关键词匹配回答的“人机对话”。

• 他坦言自己没有突出的理工科天赋，后来在复旦学习经济学；但早期编程让他很早体会到，把一个程序拿给同学试、观察别人如何使用，本身就“很有意思”。这条产品体验线后来被他称为“产品体验官”。

• 1996年，他参加复旦的上网讲座、使用校园BBS，还做过经济学院版主；约1998年，经光学专业同学推荐，他第一次使用比雅虎分类目录更直接的Google。1999年毕业时，互联网公司仍不是主流去向，他最终选择外企审计，却几乎试用所有能接触到的互联网产品。

2. 审计与咨询把一个偏直觉的人训练成了证据闭环的投资者

• 三年审计给郑庆生最深的改变，是要求所有判断都有证据、所有底稿完成cross-reference、所有数字“精确到小数点后两位”。他认为若没有这段训练，后来做投资会费劲得多：直觉仍在，但必须能回到逻辑与证据。

• 加入WTO后的制造业合规检查，让他跑遍江浙、山东、上海及北京周边的服装、玩具、电子、领带等工厂，查看每条生产线乃至员工区域。快十年后第一次看新材料项目时，这段短暂经历重新成为理解中国工厂的直观底座。

• 随后三年流程咨询主要围绕SAP、Oracle、PeopleSoft、Hyperion等产品落地：先定义客户流程，再让标准软件与流程配合。到2018—2019年研究SaaS时，他才意识到自己早年做的正像SaaS实施中的定制化；六年professional services也构成了他后来理解To B的基础。

3. 二〇〇五年进入盛大，让互联网重度用户第一次站到产业内部

• 转折来自一位盛大工作的同学，对方告诉他：“盛大是中国最大的互联网公司，收入超过所有其他互联网公司收入的总和。”郑庆生当时的反应是，自己已经在工作之外上了六年网，为什么不到互联网公司工作？

• 因履历不适合直接做产品，他在2005年加入刚组建不久的盛大投资部。那是第一轮互联网基础设施完成后的“百花齐放”：起点、动态密码技术、各种游戏、网吧与对战产品陆续出现，但他当时的感受是，投资机构一年往往只做几个项目，并不代表统计结论。

• 盛大也是他唯一深入工作过的实体公司。他第一次完整看到部门如何合作、新产品如何推进、商务拓展与跨地域运营如何组织；2007年又随盛大前CFO等人进入智信资本，正式转为财务投资。回头看，若当时直接买入已经上市的互联网巨头，回报甚至可能胜过不少VC项目，只是没人预见数字化浪潮最终会有多大。

4. 豆瓣与点评让投资从一份工作变成了理解世界的长期方法

• Web 2.0真正触动郑庆生的，并非复杂技术，而是认知关系的逆转：报纸、网页和搜索都是人的主动行为，UGC与review却能反馈“你喜欢但你不知道的东西”。Delicious让他发现大量无法从雅虎目录或主动搜索中找到的小众网站，豆瓣则把这种机制带到中文互联网。

• 豆瓣2005年上线时，他就在内部写过报告，认为形式非常新颖；后来在北京望京雕刻时光第一次与阿北长谈，感到创始人与产品“完全合一”，豆瓣像其内心世界的投射。他还表示，后来无论在智信资本还是红杉，他所在的基金都与豆瓣、大众点评有股东关系，但原话没有明确说明具体股权方向。

• 2011年见到点评创始人张涛时，郑庆生看到的是另一种气质：更成熟、更成建制，同时具备敏锐产品洞察。豆瓣和点评成为他眼中Web 2.0的集大成者，也让他确认，投资可以长期用于“探索人类行为模式和理解世界”。

5. 二十年互联网史可以按新流量入口的出现划成四段

• 2005年前是从零开始的信息线上化：新浪、搜狐、网易等门户占据第一波流量；腾讯抓住交流入口，百度抓住搜索，盛大抓住游戏、音乐与起点等内容。以今天尺度看，它们当时也只是独角兽或几个亿美元规模的创新公司。

• 2005—2010年，这批公司占据PC时代的主要高地。社区、UGC、电商和游戏创新并未停止，但新项目很难从既有巨头手里夺走最大的入口；直到2010年前后移动互联网出现，旧入口让出市场份额，才触发新一轮洗牌。

• 郑庆生特别强调Pinterest：如果成立时间没有记错，应在2010年前后，其瀑布流非常适合手机，是一次产品范式革命。他随后在中国花了不少时间寻找相似形态，与小红书、蘑菇街等深入接触，并认为这条脉络后来影响了抖音、TikTok、小红书和快手等内容平台。

• 2015年以后，短视频开始大放异彩；美团、滴滴、摩拜等O2O与线上线下融合则贯穿整个阶段。到大约2018年，新一轮To C流量已基本瓜分完毕，2018—2019年至AI兴起前，消费互联网投资因而进入相对沉寂期。

6. 短视频赢下的不是视频品类，而是人类认识世界的基础方式

• 郑庆生把文字称为“很高级形态的知识产品”：掌握文字需要长期教育，全球各国才需要扫盲；图片则更直接，因此图文混排天然会覆盖一部分纯文字消费。认真读完一本书，在时间意义上已经是一种奢侈消费。

• 长视频从戏剧、电影、电视延续而来，只是换了一个界面；他早期也因时长足够长而看好其商业模式，并把短视频当作一个较小的视频门类。后来才意识到，两者根本不应放在同一层面比较。

• 最有力的类比是看月亮：写一段文字、甚至写一首诗来描述月亮很高级，最简单的方法却是把另一个人拉到现场说“你看这个月亮是不是很大、是不是很圆”。短视频复制的正是这种在场感，因此“它挑战的不是其他媒体形式，它挑战的是文字本身”。

• 由此，他不认为一年不读一本书必然可耻；前提是通过其他形式接收了同等信息密度，而且不是随意“杀时间”。短视频成为基础认知工具，在他看来并不反常。

7. 产品形态由开发者和用户共同发明，AI只是把这条路径继续推向结果

• 2005或2006年第一次使用Twitter时，郑庆生不理解为什么限定140个字，只能记录今天看了什么书、去了哪里，还觉得“谁会看我这个东西呢”。后来用户开始写观点、不断@别人，平台才在互动中长出真正用途；他后来也是饭否和微博的用户。

• 2015年开始用Musical.ly时，他只是拍景色配一段音乐，也想不到跳舞会让产品爆发。由此得到的并不是一套预测公式，而是：产品研发者提供结构，创作者与用户通过使用重新定义它，创始人本人也无法完整预见边界。

• 内容消费从主动搜索逐步转向推荐，并变得更碎片化；AI又把效率场景推向更自然的终点。郑庆生的区分是“kill time和save time”——“工具产品是结果，娱乐产品是过程”，需要消磨时间时用户要过程，追求效率时则只想尽快拿到结果。

8. 抖音、小红书和B站的差别，藏在内容如何被组织而非媒介格式里

• 郑庆生提醒，这些判断只是个人评价或用户层面的观感。对抖音而言，内容本身最重要，百万粉丝KOL发新内容时，粉丝通常构成点击基本盘；小红书则更依赖单篇帖子的精彩程度进行再分发，百万粉丝未必自动转化为同等曝光，评论也构成内容消费的重要部分。

• 小红书在他看来是移动互联网时代“最开放的产品结构”：图片、短文、攻略、问题、评论都能被同一个发帖框架容纳，几乎吸收了此前UGC与社交媒体的大多数形态。它因此能和用户持续共创调性，从女性用户扩展到男性，也从线上延伸到City Walk等线下活动。

• B站走的是另一条路线：先进入一个有影响力的垂直社群，再逐步泛化到全人群与纪录片等优质内容。它不像抖音、小红书那样从一开始就采用更开放的结构；郑庆生还认为，B站的创始人与产品特点比较一致。

• 字节跳动已有今日头条和推荐引擎，进入短视频更多是站在战略高度的理性选择，并通过与Musical.ly合并等动作完成布局。郑庆生不认为几条道路存在优劣，只认为它们展示了不同的产品史：“时势造英雄”，成功很难归入同一公式。

9. 投资人无法预言下一种行为，却可以像出版人一样识别已经出现的作品

• “可能总结就是没有总结。”郑庆生认为，人类潜意识中的新行为模式总体不可预期；今天站在结果之后，可以轻易概括平台为何成功，但短视频最终会挑战文字这件事，在它刚出现时几乎没人知道。

• 创始人往往也不能给出完整的理性预测与依据，但可能拥有直觉，并把直觉提升为信念。问题在于，历史最终留下的是成功者讲述的信仰，失败者的同样信念会从叙事中消失，因此事后总结天然带有幸存者偏差。

• 他把自己的作用比作文学评论员或出版人：“我不会写小说”，但小说出现后，直觉可能提示它有成为名著的潜力。AI投资同样不是提前宣布标准答案，而是持续接触最前沿、最可能挑战最大流量形态的产品，再判断哪些值得深入。

10. 滴滴和拼多多迫使他修正“先进人群先行”的单一路径

• 郑庆生曾用“投资于先进人群的先进生活方式”概括自己的偏好：点评、豆瓣、小红书、Musical.ly往往先触达有内容创造能力、偏知识型和一线城市的用户，再向全人群扩散。

• 没有投到滴滴、拼多多等项目，使他意识到自己对中国最基础、最广泛人群的理解不足。有些模式无需先经过“先进人群”，就能从基层需求直接扩散；这成为他对既有产品taste最重要的一次自我矫正。

• 共享单车和共享经济反映了这种修正，但也让他看到逻辑无法无限外推。共享经济后来发展到充电宝、空间等各种形态，他原本寄予更大期望，后来承认现实存在天花板；同一逻辑可以深刻改变基层生活，却不必然覆盖所有资产。

• 他举的线上线下一体案例是Klook：线上通过购买需求、UGC和review聚合流量，再利用采购规模反向影响亚洲景点门票、地铁票和特色活动的供应链。这说明运营、供给控制和组织方式本身也是产品，不能只把屏幕上的薄层界面叫产品。

11. 播客之所以能在短视频时代增长，是因为听觉还能与生活并行

• 声音不适合最高密度的信息接收，却可能是唯一能多线程使用的感官：听内容时，人仍可以看东西或处理其他事情。郑庆生早年从在行、分答的语音问答，到罗辑思维做听书、喜马拉雅的发展，都感到“听”有潜力，只是产品形态长期没有收敛到清晰PMF。

• 播客最终以陪伴承接了这个行为，因此可以反直觉地把内容做到两小时、三小时甚至四小时。他对近年增长的一个猜测是，视觉已被图文和短视频占得太满，新的信息需求会“像水一样溢出来”，寻找尚未饱和的听觉入口。

12. To C沉寂期不是空白，而是云、SaaS和AI积聚力量的阶段

• 2018—2019年至ChatGPT之前，消费端缺少大型创新，但今天的AI应用都运行在云上、商业上大量采用SaaS式交付，核心技术也在那几年陆续研发。郑庆生因此倾向把这段时间称为“蛰伏”或集聚力量期，而非周期终结。

• 他把时间继续向前拉：PC之前是电视，再前是收音机；电力出现后有电网，更早则有电报；没有电时，信息沿公路、铁路、运河传播。由此找到一个一般化支点——科技革命推动连接或移动方式革新，流量汇聚后才产生城市、注意力经济和商业形态。

• 在AI出现前，他曾猜测下一代To C入口可能是某种眼镜；即使只能抢走手机10%—20%的流量，也已足够重要。Google首次展示AR眼镜时市场因此澎湃，但历史最终从意料之外的位置给出答案：不是眼镜先取代手机，而是AI先抢到新的流量入口。

13. 城市是最早的社交产品，钢铁甚至也能被解释为一次流量革命

• 郑庆生的比喻是：“人类历史在很长时间里面，最大的社交类产品就是城镇。”一座城市有多少居民，就近似拥有多少DAU，所以城镇总在道路、运河或港口等流量交汇处形成。

• 钢铁看似与信息流量无关，但除了铺设铁路，它还让钢筋混凝土和立体城市成为可能。此前城市大多是平的，只能修少数几层；建筑向上生长后，城市DAU大幅增加，能够容纳上千万人规模的超级节点才得以出现。

• 数字时代的第一类节点来自率先把线下行为、信息或交易搬到网上；第二类来自双边网络效应。后者需要精巧设计并逐步搭建，一旦跨过规模门槛，既有巨头也难以迅速复制。于是优秀To C产品都像“巨大的城镇”，甚至是“大可敌国的市场”。

14. ChatGPT重新打开To C窗口，也让AI网络暴露出三项结构性差异

• 红杉中国从2022年年中开始密集研究AI，但郑庆生承认，真正让他明确判断消费应用将迎来大浪潮的是ChatGPT：To C效果已经好到足以迅速带动一批新应用；如果模型公司胜出，大模型公司也会成为新一代入口。

• 第一项差异是边际成本。电网和传统互联网完成巨大前期投入后，多接入一个用户的成本接近于零；AI每增加一名用户都会消耗token，因此订阅费、免费策略、定价与目标人群必须纳入持续的商业核算。

• 第二项差异是结果责任。旧App通常提供流程，使用得好不好可能一定程度上还是用户的问题；效率类AI则“直通结果”，提供者需要证明技术能否交付方案。既有SaaS已经验证PMF，下一步未知的是AI方案如何越过结构化流程，直接把原始信息变成To B结果。

• 第三项差异是黑箱。蒸汽机、电力等革命的原理层面没有同类黑箱，而AI的涌现如何发生、还会出现哪些能力并不清楚；prompt教材甚至建议增加某些触发词来改善结果，带有“艺术”和“玄学”。这些不确定性本身可能就是AI native产品的一部分。

15. 深层次数字化会把专用硬件变成新的信息入口

• 过去的数字化主要把纸面上已经结构化、容易统计的内容搬到网上；AI允许处理此前无法利用的非结构化材料。一百小时个人录音无法整理，微软实验室式自动相机一个月拍出几万张照片也无法处理，因此当年的采集并无实际意义。

• AI现在可以把这些材料加工成有意义的线上内容。郑庆生据此判断，AI驱动的是又一轮更深层次的数字化；个人信息拥有量可能成百、上千乃至上万倍增长，持续获取线下增量的设备可能成为新的数据节点和流量节点。

• 手机并非不能录音或拍摄，问题是它不为持续感知而设计。专用设备的关键是“一直在场”：用户不必反复确认录音是否仍在运行，贴在身上或以其他形态持续工作，才更容易形成稳定习惯与信任。

• 如果大量数据、习惯和玩法沉淀在单一设备中，可能形成壁垒；但隐私没有现成答案。公开演讲是否默认允许录制，公共场合一句周围人都能听见的话又如何界定，仍需法律、社会习惯和公众心态共同调整。

16. 大模型有隐含飞轮，但AI社交尚未形成显性的双边网络

• 郑庆生认为，大模型本身包含某种隐含网络效应：使用了大量数据，与更多人对话后，可能在服务新用户时做得更好。这与传统平台逐个撮合买卖双方不同，却仍可能形成数据飞轮。

• 显性层面的难点是，当前交互主要是所有用户分别面对同一个模型，即“多对一”，不需要有人发布、另一个人接收。美国第一波偏社交类的AI公司没有表现出强网络效应；模型一旦降质、竞品模型一旦提升，商业位置就会迅速恶化。

• 对OpenAI群聊能否冲击Meta，郑庆生认为逻辑仍有断层：今天的人知道聊天对象可能只是模型计算出来的，因此心理感受不同。但未来用户也许不再在意对方是否有自主意识或灵魂，届时人—人、人—AI网络的边界可能重写。

• 尚未解决的问题是，应该把AI以何种方式插入传统双边网络，还是仅把模型的隐含效应做到足够强。如果显性网络最终没有建立，“这个世界总体上可能会变成模型的世界”；他明确把这部分留在不可预测范围内。

17. 这一轮商业化起点更健康，但收入仍未覆盖基础设施强度

• 郑庆生判断，当前AI产品已经存在数据飞轮，而且商业化比互联网和移动互联网早期更成熟。长期SaaS教育让市场理解订阅制，很多产品从一开始就有收入，而非先无期限扩大用户规模。

• 现实约束是技术仍高速迭代，基础设施投入巨大，收入与成本尚不匹配；只有当人类达到某个满意的边界，持续商业模型才可能更稳定。他对这点保持乐观，但没有把现有收入等同于最终单位经济已经成立。

• 早期项目“现金流都非常好”是他接受当前估值热度的重要原因：与先烧钱、抢心智、长期等待变现相比，AI一开始便能击中痛点并收费，对投资人更舒服；模型变化会不会破坏现有PMF，则仍需持续验证。

18. 模型公司与应用公司的边界正在模糊，真正分界线是技术还能消灭多少产品优势

• 模型公司的核心指标仍是技术如何演进；应用公司面对的变量更复杂，因为它可能基于当前模型做好产品，底层技术下一轮变化却会改写能力边界。郑庆生认为这是“技术与产品同时演进”带来的额外不确定性。

• 模型公司向下做应用、应用公司训练自己的模型，在他看来完全可能。最终竞争不是先贴上“模型”或“应用”标签，而是回答：“到底技术上升会多大程度抵消掉非技术的产品优势？”

• OpenAI已经具有浓厚产品公司特征：大量用户、数据和打开产品说话的习惯沉淀其上。到了某些地方，可能不是技术继续前进就能解决问题，而那可能就是产品公司能够守住的边界；这个边界目前还看不清楚。

19. 新巨头仍会出现，但创业已经从二元方程变成五六元方程

• 郑庆生对早期投资的根本信念是，每轮周期都会在巨头名单上增加新名字；不确定的只是五家以上、五家以下，还是三家以下。历史上即使旧巨头看似掌控一切，新入口仍会让一些公司掉出名单、另一些公司进入。

• 与十年前相比，团队不仅要把产品技术撑起来，还要理解模型、判断是否自研模型，并处理线上线下及软硬一体化。过去像解二元、三元一次方程，现在可能同时面对“五元方程、六元方程”，创业难度和投资判断变量都更高。

• 他直觉上认为，从较简单的数字化进入充分数字化后的智能化，能创业的人或许会少一些；反向力量则是大模型的存在，让许多市场很小、很垂直的公司也可能一开始就盈利，市场反而可能更接近百花齐放。

• 早期投资人不会因此要求公司上来就盈利，更重要的仍是长期场景。价值在模型还是应用、平台会被替代还是继续长大，都不会有统一答案，正如腾讯从PC跨到移动仍保持位置，另一些旧平台则被新生态位替换。

20. 红杉的大模型布局来自长期逐案跟踪，而非一次性的赛道覆盖

• 郑庆生澄清，红杉中国从2005年起就重视早期，并非最近才由中后期转向；2018年成立种子基金后，这一特点更明显。目前作为第一家机构投资人的项目占总项目比例已经超过一半，内部也持续关注这一指标。

• AI时代的原则仍是“投小、投早、投科技”，逐案寻找团队和项目亮点。技术导向公司的创始人论文、引用等背景比前两轮更重要，但底层审美并未根本改变，“投人”仍是早期判断的重要环节。

• Kimi的进入一定程度上与他原来负责的另一个portfolio、循环智能有关，是从循环智能一步步发展出来的；MiniMax在ChatGPT、GPT-3.5引发热潮前就已进入红杉视野；智谱也很早开始接触。这些项目不是看到热点后一次性用资金占满赛道。

• Manus同样从更早的Monica阶段开始跟踪。红杉当时已经喜欢其团队、产品想法和后续演化路径，之后产品演化到Manus；郑庆生强调，看到的首先是团队和产品展示出的产品能力，而不是某个赛道名额。

21. AI产品天然全球化，打开了“华人大航海时代”的核心下注

• 相较传统App要逐一解决语言、习惯、本地运营和落地问题，这一轮AI产品天然适合跨市场扩张。无论效率类还是娱乐类To C产品，中国及华人创业者第一次可以从产品诞生之初就面向全球铺开。

• 郑庆生把当下的关键bet概括为“华人大航海时代的开始”：中国企业和全球华人创业者借AI进入世界市场，可类比欧洲冒险家、创新者的全球开拓，也可类比跨国公司建立全球业务的过程。

• AI生态最终可能像App生态一样具有丰富层次；旧平台有的会被替代，有的会借新技术变得更大。早期投资的游戏仍是生态位重排，只是这一轮竞争从本土应用扩展到了天然全球市场。

• 这也改变了人才地理：过去海外华人常回国创业、服务国内市场，现在无论身处哪里都可以直接做全球产品。郑庆生认为，这是本轮AI创业与此前PC、移动互联网周期非常不同的机会结构。

22. 投资节奏已从模型和基础设施移向Agent、硬件与更分散的创业地图

• 从ChatGPT诞生后的节奏看，郑庆生先系统扫描大模型、基础设施及垂直模型机会；底层逐渐成熟后，再提前寻找Agent应用，并在扫描应用时发现AI硬件快速发展，因此同步提高软硬一体项目的优先级。

• 他的周期类比是“2025年可能有点像2010年，2026年像2011年”：移动入口形成后，应用在随后几年密集出现；AI的2026年也会是2025年的进一步深化，产品与生态“更加繁荣”。

• 创业地理比PC和移动时代更分散。北京、上海、杭州仍偏软件，深圳作为硬件基地快速崛起；他被问到出差前五名时实际列出的主要目的地是北京、上海、深圳、杭州，并强调深圳在消费电子与AI硬件中的上升速度。

• 总工作量未必显著增加，但寻找项目要跑更多地方，再叠加海外华人全球创业，体感明显更忙。不同城市的创业者气质主要由产业结构塑造，不过他认为真正优秀的创业者总体仍有相似之处。

23. 泡沫是科技周期的流动性来源，AI现在处于“爆发的前端”

• 郑庆生把“有没有泡沫”视为谈资多于决策终点：历史上每轮周期一开始都有泡沫，泡沫提供充分流动性，使早期创始人的宏大理想得到资本与人才支持。“就跟大海里面有泡沫是一样”，关键是后来能否交付。

• 他认为AI不仅不是郁金香式伪概念，而且是人类历史上的巨大科技革命；这一轮从早期就出现PMF、收入与不错的现金流，因此目前泡沫水平可以接受。严格说，模型持续变化仍可能让所谓PMF移动，不能把早期收费当作永久验证。

• 周期位置不是“爆发前夜”，而是“爆发的前端”：各个主战场已经开始竞争，但应用尚未大规模完成爆发。对此他的状态不是焦虑，而是兴奋——2005年入行，使他有机会在一线连续经历PC、移动互联网与AI三轮技术浪潮。

24. 产品经理能否成为大公司CEO，取决于能否人格化整个组织

• 从1到10时，郑庆生认为创始人首先必须对产品和用户需求敏感；到了几十以上，他认为领导者更像带兵打仗的将军，需要成为“组织和制度的人格化象征”，维持士气、纪律以及组织对共同事业的想象。

• 这并不要求人的本性天然如此，但到了那个位置必须“扮演那个CEO”。十万、二十万人在沙漠中仍相信自己是同一支军队，需要一个人格化代表；公司越大，创始人越要成为那个抽象生命的化身，否则天才产品经理未必能完成CEO跨越。

• 同时拥有两种天赋非常难得：既有产品敏感力，又能代表组织、建立计划和信心。MBTI只是理解人的辅助语言——N有利于抽象，NF可能适合产品感受，NTJ兼有直觉、逻辑和计划，P可能更浪漫，J可能更适合组织；E或I若有合适副手，未必决定成败。

• 他有时会问创始人最喜欢的书、手机里有多少个App或MBTI，但明确说MBTI不会成为投资标准。他自称对人较open，也不愿因一次见面就给创业者贴上永久标签。

25. 真正的决策方法是还原当时的选择集，并为AI之后的人类留白

• 郑庆生最重视的第一性知识是幸存者偏差：历史由胜利者或其他幸存者书写，幸存是文本存在的必要条件，却“不提供预测性”。后来的叙事还会把过程戏剧化，让人误以为成功者的特质就是充分条件。

• 投资时必须还原决策现场：当时或许有A、B、C、D、E多个候选项，每项背后又有很多信息；四个月后答案看似清楚，此刻却并不知道。创始人、同行和历史案例提供的都只是带偏差的必要性材料，真正困难的是找到当时足以支持选择的依据；具体模型投资决策细节，他选择不展开。

• 两本最推荐的书也服务于这种长周期还原：《美国增长的起落》描述互联网之前美国的科技革命，他认为可花一年阅读；复旦历史系的《从中国出发的全球史》以新方式重构全球史，甚至值得花两年，且表达了许多他原本想在未来文章中阐述的观点。

• 最终最大未知仍是“有了这些AI产品之后，人类会变成什么样”。教育或许更重全局视野、目录学、逻辑与准确表达，因为学习也包括学习如何提问；细节知识相对没那么重要。自然语言若成为编码的一部分，准确表达也会升值。今天的产品默认服务智能化之前的人类，而教育、消费、亲密关系与意识观念一旦改变，产品本身也必须重新设计。